LF-YOLO: A Lighter and Faster YOLO for Weld Defect Detection of X-Ray Image

特征(语言学) 编码(集合论) 计算机科学 卷积(计算机科学) 人工智能 特征提取 模式识别(心理学) 图像(数学) 焊接 卷积神经网络 人工神经网络 计算机视觉 工程类 机械工程 哲学 集合(抽象数据类型) 程序设计语言 语言学
作者
Moyun Liu,Youping Chen,Jingming Xie,Lei He,Yang Zhang
出处
期刊:IEEE Sensors Journal [Institute of Electrical and Electronics Engineers]
卷期号:23 (7): 7430-7439 被引量:38
标识
DOI:10.1109/jsen.2023.3247006
摘要

X-ray image plays an important role in manufacturing industry for quality assurance, because it can reflect the internal condition of weld region. However, the shape and scale of different defect types vary greatly, which makes it challenging for model to detect weld defects. In this article, we propose a weld defect detection method based on convolution neural network (CNN), namely, lighter and faster YOLO (LF-YOLO). In particular, a reinforced multiscale feature (RMF) module is designed to implement both parameter-based and parameter-free multiscale information extracting operations. RMF enables the extracted feature map to represent more plentiful information, which is achieved by a superior hierarchical fusion structure. To improve the performance of detection network, we propose an efficient feature extraction (EFE) module. EFE processes input data with extremely low consumption and improves the practicability of whole network in actual industry. Experimental results show that our weld defect detection network achieves satisfactory balance between performance and consumption and reaches 92.9 mean average precision (mAP50) with 61.5 frames/s. To further prove the ability of our method, we test it on the public dataset MS COCO, and the results show that our LF-YOLO has an outstanding versatility detection performance. The code is available at https://github.com/lmomoy/LF-YOLO .
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
2秒前
熊宜浓发布了新的文献求助10
3秒前
4秒前
5秒前
医者修心完成签到,获得积分20
5秒前
沐夕完成签到,获得积分10
6秒前
6秒前
haowu发布了新的文献求助10
8秒前
9秒前
南风发布了新的文献求助10
9秒前
852应助熊宜浓采纳,获得10
10秒前
12秒前
fifteen发布了新的文献求助10
12秒前
樱坠梨殆发布了新的文献求助70
12秒前
lll完成签到,获得积分10
14秒前
医者修心发布了新的文献求助10
16秒前
Michael_li发布了新的文献求助10
20秒前
畅快访蕊发布了新的文献求助10
20秒前
21秒前
21秒前
田様应助超帅书文采纳,获得10
23秒前
25秒前
春风得意完成签到,获得积分10
26秒前
fifteen发布了新的文献求助10
27秒前
27秒前
西红柿不吃皮完成签到 ,获得积分10
29秒前
欧阳枫完成签到 ,获得积分10
29秒前
劲秉应助霸气安筠采纳,获得10
31秒前
32秒前
tdw发布了新的文献求助10
32秒前
情怀应助科研通管家采纳,获得10
34秒前
充电宝应助科研通管家采纳,获得10
34秒前
科研通AI2S应助科研通管家采纳,获得10
34秒前
34秒前
彳亍1117应助科研通管家采纳,获得10
34秒前
科研通AI2S应助科研通管家采纳,获得10
34秒前
丘比特应助科研通管家采纳,获得10
35秒前
李健应助科研通管家采纳,获得10
35秒前
35秒前
35秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Evolution 3rd edition 1500
ALA生合成不全マウスでの糖代謝異常の分子機構解析 520
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
2-Acetyl-1-pyrroline: an important aroma component of cooked rice 500
Handbook on People's China (1957) 400
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3188947
求助须知:如何正确求助?哪些是违规求助? 2838341
关于积分的说明 8019611
捐赠科研通 2501186
什么是DOI,文献DOI怎么找? 1335373
科研通“疑难数据库(出版商)”最低求助积分说明 637521
邀请新用户注册赠送积分活动 605638